Professional Documents
Culture Documents
Chapter 2
Chapter 2
ﻛﺜﻴ ًﺮا ﻣﺎ ﺗﻜﻮن ﺗﻄﺒﻴﻘﺎت اﻹﺣﺼﺎء اﻟﺘﺴﺘﺮي أ ﻛﺜﺮ ﺗﻌﻘﻴﺪًا ﺑﻜﺜﻴﺮ ﻣﻦ اﻷﺳﺎﻟﻴﺐ اﻟﺘﻲ ﺗﻢ ﺗﻘﺪﻳﻤﻬﺎ ﻓي اﻟﻔﺼﻞ اﻷول .ﻓي ﻛﺜﻴﺮ
ﻣﻦ اﻷﺣﻴﺎن ،ﺳﺘﺮﻏﺐ ﻓي اﺳﺘﺨﺪام ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﺔ ﻟﻠﺘﺤﻘﻖ ﻣﻦ اﻟﻌﻼﻗﺎت ﺑﻴﻦ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات ،وﻓي اﻟﻨﻬﺎﻳﺔ
ﻹﻧﺸﺎء ﻧﻤﻮذج ﻟﺒﻌﺾ اﻟﻤﺘﻐﻴﺮات )ﻣﺜﻞ ﻣﻌﺪل اﻟﺬﻛﺎء ،ﻣﻌﺪل اﻟﻨﻘﺎط ،وﻣﺎ إﻟى ذﻟﻚ( ﻳﻤﻜﻦ اﺳﺘﺨﺪاﻣﻪ ﻟﻠﺘﻨﺒﺆ ﺑﻘﻴﻤﺘﻪ
ﻓي اﻟﻤﺴﺘﻘﺒﻞ .ﻋﻤﻠﻴﺔ اﻟﺒﺤﺚ ﻋﻦ ﻧﻤﻮذج رﻳﺎﺿﻲ )ﻣﻌﺎدﻟﺔ( اﻟﺬي ﻳﻨﺎﺳﺐ اﻟﺒﻴﺎﻧﺎت ﺑﺸﻜﻞ ﺟﻴﺪ ﺟﺰء ﻣﻦ ﺗﻘﻨﻴﺔ إﺣﺼﺎﺋﻴﺔ
ﺗﻌﺮف ﺑﺎﺳﻢ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار.
اﻟﺘﻌﺮﻳﻒ ) :(١-٢اﻟﻤﺘﻐﻴﺮ اﻟﺬي ﻳﺠﺐ اﻟﺘﻨﺒﺆ ﺑﻪ أو ﻧﻤﺬﺟﺘﻪُ ،y ،ﻳﺴﻤﻰ اﻟﻤﺘﻐﻴﺮ اﻻﻋﺘﻤﺎدي )أو اﻟﻤﺘﻐﻴﺮ اﻻﺳﺘﺠﺎﺑي(.
ﻳﻌﻠﻢ اﻟﻌﻤﻴﺪ ﺑﺄن اﻟﻘﻴﻤﺔ اﻟﻔﻌﻠﻴﺔ ﻟـ yﻟﻄﺎﻟﺐ ﻣﻌﻴﻦ ﺳﺘﺘﻮﻗﻒ ﻋ�ى ﻣﺴﺘﻮى اﻟﺬﻛﺎء ) ، (IQوﻧﺘﻴﺠﺔ اﺧﺘﺒﺎر ،SAT
واﻟﺘﺨﺼﺺ اﻷﻛﺎدﻳﻤﻲ ،واﻟﻌﺪﻳﺪ ﻣﻦ اﻟﻌﻮاﻣﻞ اﻷﺧﺮى .وﺑﺎﻟﺘﺎﻟي ،ﻓﺈن اﻟﺪرﺟﺎت اﻟﺤﻘﻴﻘﻴﺔ ﻟﺠﻤﻴﻊ اﻟﻄﻼب ﻓي اﻟﺴﻨﺔ
اﻷوﻟى ﻗﺪ ﺗﻜﻮن ﺗﻮزﻋﺖ ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻓي اﻟﺸﻜﻞ ) .(١-٢وﺑﺎﻟﺘﺎﻟي ،ﻳﻘﻮم اﻟﻌﻤﻴﺪ ﺑﻨﻤﺬﺟﺔ اﻟﺪرﺟﺔ اﻟﻨﻬﺎﺋﻴﺔ ﻟﻠﺴﻨﺔ
اﻷوﻟى yﻟﻄﺎﻟﺐ ﻣﻌﻴﻦ ﻋﻦ ﻃﺮﻳﻖ ﺗﻌﻴﻴﻦ yﻣﺴﺎوﻳﺎ ً ﻟﻤﺘﻮﺳﻂ درﺟﺎت اﻟﻨﻬﺎﻳﺔ ) E(yﻟﺠﻤﻴﻊ اﻟﻄﻼب ﻓي اﻟﺴﻨﺔ اﻷوﻟى
ﺑﺎﻹﺿﺎﻓﺔ إﻟى أو ﻧﺎﻗﺺ ﻛﻤﻴﺔ ﻋﺸﻮاﺋﻴﺔ ،واﻟﺘﻲ ﻳﺠﻬﻠﻬﺎ اﻟﻌﻤﻴﺪ؛ أي،
ﻧﻈ ًﺮا ﻟﻌﺪم ﻣﻌﺮﻓﺔ اﻟﻌﻤﻴﺪ ﻟﻘﻴﻤﺔ اﻟﺨﻄﺄ اﻟﻌﺸﻮاﺋي ﻟﻄﺎﻟﺐ ﻣﻌﻴﻦ ،ﻓﺈن إﺣﺪى اﻻﺳﺘﺮاﺗﻴﺠﻴﺎت اﻟﺘﻲ ﻳﻤﻜﻦ اﺗﺒﺎﻋﻬﺎ ﻫﻲ
ﺗﻮﻗﻊ اﻟﺪرﺟﺔ اﻟﻨﻬﺎﺋﻴﺔ ﻟﻠﻄﺎﻟﺐ اﻟﺠﺪﻳﺪ ﺑﺎﺳﺘﺨﺪام ﺗﻘﺪﻳﺮ ﻟﻠﻤﺘﻮﺳﻂGPA E(y).
ﺟﺎ اﺣﺘﻤﺎﻟ ًﻴﺎ ﻟـ y.وﺗﺄﺗي ﺻﻔﺔ اﻻﺣﺘﻤﺎﻟﻴﺔ ﻣﻦ ﺣﻘﻴﻘﺔ أﻧﻪ ﻋﻨﺪﻣﺎ ﺗﺘﻮاﻓﻖ ﺑﻌﺾ اﻻﻓﺘﺮاﺿﺎت
ﺗﺴﻤﻰ ﻫﺬه اﻟﻨﻤﻮذج ﻧﻤﻮذ ً
ﺣﻮل اﻟﻨﻤﻮذج ،ﻳﻤﻜﻨﻨﺎ إﺻﺪار ﺑﻴﺎن اﺣﺘﻤﺎﻟي ﺣﻮل ﻣﻘﺪار اﻻﻧﺤﺮاف ﺑﻴﻦ yو E(y).ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ،إذا ﻛﺎن y
ﻳﺘﻮزع ﺑﺸﻜﻞ ﻃﺒﻴﻌﻲ ﻣﻊ ﻣﺘﻮﺳﻂ ٢٫٥درﺟﺔ واﻧﺤﺮاف ﻣﻌﻴﺎري ٠٫٥درﺟﺔ )ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻓي اﻟﺸﻜﻞ ، (٢٫١ﻓﺈن
اﺣﺘﻤﺎل أن ﻳﻘﻊ yﺿﻤﻦ ٢اﻧﺤﺮاﻓﺎت ﻣﻌﻴﺎرﻳﺔ )أي ١درﺟﺔ( ﻣﻦ ﻣﺘﻮﺳﻄﻪ ﻫﻮ .٠٫٩٥ﻳﻌﺘﺒﺮ اﻟﻨﻤﻮذج اﻻﺣﺘﻤﺎﻟي
اﻟﻤﻮﺿﺢ ﻓي اﻟﺼﻨﺪوق ﻫﻮ أﺳﺎس ﺟﻤﻴﻊ اﻟﻨﻤﺎذج اﻟﻤﺪرﺳﺔ ﻓي ﻫﺬا اﻟﻨﺺ.
ﻓي اﻟﻮاﻗﻊ ،ﺳﻨﺤﺘﺎج إﻟى اﺳﺘﺨﺪام ﺑﻴﺎﻧﺎت ﻋﻴﻨﺔ ﻟﺘﻘﺪﻳﺮ ﻣﻌﺎﻣﻼت اﻟﻨﻤﻮذج اﻻﺣﺘﻤﺎﻟي ،أي اﻟﻤﺘﻮﺳﻂ ) E(yواﻟﺨﻄﺄ
ً
اﻓﺘﺮاﺿﺎ ﻗﻴﺎﺳ ًﻴﺎ ﻓي اﻻﻧﺤﺪار :أن ﻣﺘﻮﺳﻂ اﻟﺨﻄﺄ ﻳﺴﺎوي .٠اﺳﺘﻨﺎدًا إﻟى ﻫﺬا اﻟﻌﺸﻮاﺋي ε.ﻓي اﻟﻔﺼﻞ ،٣ﺗﻌﻠﻤﻨﺎ
اﻻﻓﺘﺮاض ،ﻓﺈن أﻓﻀﻞ ﺗﻘﺪﻳﺮ ﻟﻨﺎ ﻟـ εﻫﻮ .٠ﻟﺬﻟﻚ ،ﻧﺤﺘﺎج ﻓﻘﻂ إﻟى ﺗﻘﺪﻳﺮE(y).
اﻟﺼﻴﻐﺔ اﻟﻌﺎﻣﺔ ﻟﻠﻨﻤﻮذج اﻻﺣﺘﻤﺎﻟي ﻓي اﻟﺘﺤ �ﻮل y = E(y) + εﺣﻴﺚ = yاﻟﻤﺘﻐﻴﺮ اﻻﻋﺘﻤﺎدي = )E(yاﻟﻘﻴﻤﺔ
اﻟﻤﻔﺴﺮ(
ّ اﻟﻤﺘﻮﺳﻄﺔ )أو اﻟﻤﺘﻮﻗﻌﺔ( ﻟـ = y εاﻟﺨﻄﺄ اﻟﻌﺸﻮاﺋي )ﻏﻴﺮ
أﺑﺴﻂ ﻃﺮﻳﻘﺔ ﻟﺘﻘﺪﻳﺮ ) E(yﻫﻲ اﺳﺘﺨﺪام اﻟﺘﻘﻨﻴﺔ اﻟﻤﻮﺟﻮدة ﻓي اﻟﻘﺴﻢ . ١٫٨ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ،ﻳﻤﻜﻦ ﻟﻠﻌﻤﻴﺪ اﺧﺘﻴﺎر
ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ ﻃﻼب اﻟﺴﻨﺔ اﻷوﻟى ﺧﻼل اﻟﻌﺎم اﻟﻤﺎﺿﻲ وﺗﺴﺠﻴﻞ ﻣﻌﺪل اﻷداء اﻷﻛﺎدﻳﻤﻲ GPA yﻟﻜﻞ ﻣﻨﻬﻢ.
ﻳﻤﻜﻦ اﺳﺘﺨﺪام اﻟﻤﺘﻮﺳﻂ اﻟﻌﻴﻨﻲ ¯yﻛﺘﻘﺪﻳﺮ ﻟﻠﻤﺘﻮﺳﻂ اﻟﺤﻘﻴﻘﻲ GPA E(y).إذا ﻗﻤﻨﺎ ﺑﺘﻌﻴﻴﻦ اﻟﻘﻴﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ ﻟـ y
ﺑـˆ ، yﻓﺈن ﻣﻌﺎدﻟﺔ اﻟﺘﻨﺒﺆ ﻟﻠﻨﻤﻮذج اﻟﺒﺴﻴﻂ ﻫﻲ ¯yˆ = yوﺑﺎﻟﺘﺎﻟي ،ﺑﺎﺳﺘﺨﺪام ﻫﺬا اﻟﻨﻤﻮذج اﻟﺒﺴﻴﻂ ،ﻳﺘﻢ اﺳﺘﺨﺪام
اﻟﻤﺘﻮﺳﻂ اﻟﻌﻴﻨﻲ ﻟﻤﻌﺪل اﻷداء اﻷﻛﺎدﻳﻤﻲ GPA ¯yﻟﻠﺘﻨﺒﺆ ﺑﺎﻟﻤﺘﻮﺳﻂ اﻟﺤﻘﻴﻘﻲ GPA yﻷي ﻃﺎﻟﺐ ﻓي ﻧﻬﺎﻳﺔ ﻋﺎﻣﻪ
اﻟﺪراﺳﻲ اﻷول.
ﻟﻸﺳﻒ ،ﻫﺬا اﻟﻨﻤﻮذج اﻟﺒﺴﻴﻂ ﻻ ﻳﺄﺧﺬ ﻓي اﻻﻋﺘﺒﺎر ﻋﺪدًا ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﺘﻲ ﺗﺮﺗﺒﻂ ﺑﺸﺪة ﺑﻤﻌﺪل اﻷداء
اﻷﻛﺎدﻳﻤﻲ GPAﻟﻠﻄﺎﻟﺐ اﻟﺠﺪﻳﺪ ،واﻟﺘﻲ ﻳﻄﻠﻖ ﻋﻠﻴﻬﺎ اﺳﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ .وﻣﻦ اﻟﻤﻨﻄﻘﻲ أن ﻳﻤﻜﻦ اﻟﺤﺼﻮل
ﻋ�ى ﻧﻤﻮذج أ ﻛﺜﺮ دﻗﺔ ﺑﺎﺳﺘﺨﺪام اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ( ﻣﺜﻞ اﻟﺬﻛﺎء ،وﻧﺘﻴﺠﺔ اﺧﺘﺒﺎر ، SATواﻟﺘﺨﺼﺺ اﻟﺪراﺳﻲ ،وﻣﺎ
إﻟى ذﻟﻚ )ﻟﺘﻘﺪﻳﺮ E(y).وﻋﻤﻠﻴﺔ اﻟﻌﺜﻮر ﻋ�ى اﻟﻨﻤﻮذج اﻟﺮﻳﺎﺿﻲ اﻟﺬي ﻳﺮﺑﻂ yﺑﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ
وﻳﻨﺎﺳﺐ أﻓﻀﻞ اﻟﺒﻴﺎﻧﺎت ﻫﻲ ﺟﺰء ﻣﻦ ﻋﻤﻠﻴﺔ ﺗﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل اﻟﻤﻌﺮوﻓﺔ ﺑﺎﺳﻢ اﻟﺘﺤﻠﻴﻞ اﻟﺘﺤ �ﻮﻟي.
اﻟﺘﻌﺮﻳﻒ :٢٫٢اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﺨﺪﻣﺔ ﻟﻠﺘﻨﺒﺆ )أو اﻟﻨﻤﺬﺟﺔ( ﺑـ yﺗﺴﻤﻰ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ وﺗُﺮﻣﺰ إﻟﻴﻬﺎ ﺑﺎﻟﺮﻣﻮز، x1
، x3 ، x2وﻣﺎ إﻟى ذﻟﻚ.
ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ،ﻟﻨﻔﺘﺮض أن اﻟﻌﻤﻴﺪ ﻗﺮر أن ﻳﺮﺑﻂ ﻣﻌﺪل اﻷداء اﻷﻛﺎدﻳﻤﻲ GPAﻟﻠﻄﺎﻟﺐ اﻟﺠﺪﻳﺪ yﺑﻤﺘﻐﻴﺮ
ﻣﺴﺘﻘﻞ واﺣﺪ ، xواﻟﺬي ﻳﻌﺮف ﺑﻨﺘﻴﺠﺔ اﺧﺘﺒﺎر SATﻟﻠﻄﺎﻟﺐ .ﻗﺪ ﻳﻘﻮم اﻟﻌﻤﻴﺪ ﺑﺘﺤﺪﻳﺪ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ اﻟﻄﻼب
اﻟﺠﺪد ،وﺗﺴﺠﻴﻞ ﻗﻴﻢ yو xﻟﻜﻞ ﻃﺎﻟﺐ ،وﻣﻦ ﺛﻢ رﺳﻤﻬﺎ ﻋ�ى اﻟﺮﺳﻢ اﻟﺒﻴﺎ�ي ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻓي اﻟﺸﻜﻞ .٢٫٢إﻳﺠﺎد
ﻣﻌﺎدﻟﺔ اﻟﻤﻨﺤﻨﻰ اﻟﻨﺎﻋﻢ اﻟﺬي ﻳﻨﺎﺳﺐ أﻓﻀﻞ اﻟﻨﻘﺎط اﻟﺒﻴﺎﻧﻴﺔ ﻫﻮ ﺟﺰء ﻣﻦ ﺗﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل اﻟﻤﻌﺮوف ﺑﺎﺳﻢ اﻟﺘﺤﻠﻴﻞ
اﻟﺘﺤ �ﻮﻟي .ﺑﻤﺠﺮد اﻟﺤﺼﻮل ﻋﻠﻴﻬﺎ ،ﺗﻮﻓﺮ ﻫﺬه اﻟﻤﻌﺎدﻟﺔ )واﻟﺘﻲ ﺗﻢ وﺿﻌﻬﺎ ﻋ�ى اﻟﺮﺳﻢ اﻟﺒﻴﺎ�ي ﻓي اﻟﺸﻜﻞ (٢٫٢ﻧﻤﻮذ ً
ﺟﺎ
ﻟﺘﻘﺪﻳﺮ ﻣﺘﻮﺳﻂ GPAﻟﻠﻄﻼب اﻟﺠﺪد ﺑﻨﺎ ًء ﻋ�ى أي ﻧﺘﻴﺠﺔ SATﻣﺤﺪدة.
ﻳﻤﻜﻦ ﻟﻌﻤﻴﺪ اﻟﻜﻠﻴﺔ اﺳﺘﺨﺪام ﻫﺬا اﻟﻨﻤﻮذج ﻟﺘﻮﻗﻊ ﻣﻌﺪل ﻏﺮﻳﺐ اﻷﻃﻮار ﻷي ﻃﺎﻟﺐ ﻓﻴﻤﺎ ﻟﻮ ﻛﺎن ﻟﺪﻳﻪ ﻣﻌﻠﻮﻣﺎت ﻋﻦ
درﺟﺔ اﻟـ SATاﻟﺨﺎﺻﺔ ﺑﻪ .وﻛﻤﺎ ﺗﺸﺎﻫﺪ ﻣﻦ اﻟﺸﻜﻞ ،٢٫٢ﻓﺈن اﻟﻨﻤﻮذج ﺳﻴﺘﻮﻗﻊ اﻟﻨﺘﺎﺋﺞ ﺑﺨﻄﺄ )ﺣﻴﺚ أن ﻣﻌﻈﻢ اﻟﻨﻘﺎط
ﻻ ﺗﺘﻄﺎﺑﻖ ﺑﺎﻟﻀﺒﻂ ﻣﻊ اﻟﻤﻨﺤﻨﻰ( ،وﻟﻜﻦ ﺳﻴﻜﻮن اﻟﺨﻄﺄ أﻗﻞ ﺑﻜﺜﻴﺮ ﻣﻦ اﻟﺨﻄﺄ اﻟﻨﺎﺗﺞ ﺑﺎﺳﺘﺨﺪام اﻟﻨﻤﻮذج اﻟﺬي ﻳﻈﻬﺮ
ﻓي اﻟﺸﻜﻞ .٢٫١وﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻓي اﻟﺸﻜﻞ ،٢٫١ﻓﺈن ﺗﻘﺪﻳ ًﺮا ﺟﻴﺪًا ﻟﻤﻌﺪل ﻏﺮﻳﺐ اﻷﻃﻮار ﻟﻄﺎﻟﺐ ﻏﺮﻳﺐ اﻷﻃﻮار
ﺳﻴﻜﻮن ﻗﻴﻤﺔ ﻗﺮﻳﺒﺔ ﻣﻦ وﺳﻂ اﻟﺘﻮزﻳﻊ ،ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ،اﻟﻤﺘﻮﺳﻂ.
ﺑﻤﺎ أن ﻫﺬا اﻟﺘﻨﺒﺆ ﻻ ﻳﺄﺧﺬ ﻓي اﻻﻋﺘﺒﺎر درﺟﺔ اﺧﺘﺒﺎر ، SATﻓﺈن ﺧﻄﺄ اﻟﺘﻨﺒﺆ ﺳﻴﻜﻮن أ ﻛﺒﺮ ﻣﻦ ﺧﻄﺄ اﻟﺘﻨﺒﺆ ﻟﻠﻨﻤﻮذج ﻓي
اﻟﺸﻜﻞ .٢٫٢وﺑﺎﻟﺘﺎﻟي ،ﺳﻨﻘﻮل إن اﻟﻨﻤﻮذج اﻟﺬي ﻳﺴﺘﺨﺪم ﻣﻌﻠﻮﻣﺎت اﻟﻤﺘﻐﻴﺮ اﻟﻤﺴﺘﻘﻞ ،درﺟﺔ اﺧﺘﺒﺎر ، SATﻫﻮ
أﻓﻀﻞ ﻣﻦ اﻟﻨﻤﻮذج اﻟﻤﻤﺜﻞ ﻓي اﻟﺸﻜﻞ .٢٫١
2.2ﻣﻠﺨﺺ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻫﻮ ﻓﺮع ﻣﻦ ﻣﻨﻬﺠﻴﺔ اﻹﺣﺼﺎء اﻟﻤﺘﻌﻠﻘﺔ ﺑﺘﻘﺪﻳﺮ ﻋﻼﻗﺔ اﺳﺘﺠﺎﺑﺔ y
ﺑﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ أو اﻟﻤﺘﻨﺒﺌﺔ x1و x2و ...و xk.اﻟﻬﺪف ﻫﻮ ﺑﻨﺎء ﻧﻤﻮذج ﺟﻴﺪ -ﻣﻌﺎدﻟﺔ ﺗﻨﺒﺆ ﺗﺮﺑﻂ
yﺑﺎﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ -ﺳﻴﻤﻜﻨﻨﺎ ﻣﻦ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻢ yﻟﻘﻴﻢ ﻣﻌﻴﻨﺔ ﻣﻦ x1و x2و ...و ، xkواﻟﻘﻴﺎم ﺑﺬﻟﻚ ﺑﺨﻄﺄ ﺗﻨﺒﺆ
ﺻﻐﻴﺮ .ﻋﻨﺪ اﺳﺘﺨﺪام اﻟﻨﻤﻮذج ﻟﻠﺘﻨﺒﺆ ﺑﻘﻴﻢ yﻟﻤﺠﻤﻮﻋﺔ ﻣﺤﺪدة ﻣﻦ ﻗﻴﻢ x1و x2و ...و ، xkﺳﻨﺮﻳﺪ ﻗﻴﺎس ﻣﺪى
ﻣﻮﺛﻮﻗﻴﺔ اﻟﺘﻨﺒﺆ .أي ،ﺳﻨﺮﻳﺪ ﻣﻌﺮﻓﺔ ﻣﺪى ارﺗﻔﺎع ﺧﻄﺄ اﻟﺘﻨﺒﺆ .ﺟﻤﻴﻊ ﻫﺬه اﻟﻌﻨﺎﺻﺮ ﻫﻲ أﺟﺰاء ﻣﻦ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ،
وﻳﻄﻠﻖ ﻋ�ى اﻟﻤﻌﺎدﻟﺔ اﻟﺘﻨﺒﺆﻳﺔ اﻟﻨﺎﺗﺠﺔ ﻧﻤﻮذج اﻻﻧﺤﺪار.
ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ،ﻗﺪ ﻳﺮﻏﺐ ﻣﻘﺪر اﻟﻌﻘﺎرات ﻓي ﻋﻼﻗﺔ زﻳﺎدة ﻧﺴﺒﺔ اﻟﺴﻌﺮ yﻟﻠﺨﺼﺎﺋﺺ اﻟﺴﻜﻨﻴﺔ ﺑﺎﻟﻤﺘﻐﻴﺮات
اﻟﻤﺴﺘﻘﻠﺔ اﻟﻜﻤﻴﺔ ، x1ﻣﺴﺎﺣﺔ اﻟﻤﺴﺎﺣﺔ اﻟﻤﺪﻓﺌﺔ ،و ،x2ﻣﺴﺎﺣﺔ اﻷرض .ﻳﻤﻜﻦ ﺗﻤﺜﻴﻞ ﻫﺬا اﻟﻨﻤﻮذج ﺑﺴﻄﺢ اﻻﺳﺘﺠﺎﺑﺔ
)اﻧﻈﺮ اﻟﺸﻜﻞ (٢٫٣اﻟﺬي ﻳﺘﺘﺒﻊ اﻟﻤﺘﻮﺳﻂ ﻟﻨﺴﺒﺔ زﻳﺎدة اﻟﺴﻌﺮ ) E(yﻟﻤﺨﺘﻠﻒ ﺗﺮﻛﻴﺒﺎت x1وx2.
ﻟﻠﺘﻨﺒﺆ ﺑﺎﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﺰﻳﺎدة اﻟﺴﻌﺮ yﻟﻌﻘﺎر ﺳﻜﻨﻲ ﻣﺤﺪد ﺑﻤﺴﺎﺣﺔ ﺳﺎﺧﻨﺔ ﺗﺒﻠﻎ ٢،٠٠٠ﻗﺪم ﻣﺮﺑﻌﺔ وﺣﺠﻢ ﻗﻄﻌﺔ
اﻷرض ﻳﺒﻠﻎ ٠٫٧ﻓﺪان ،ﻳﺘﻢ ﺗﺤﺪﻳﺪ ﻧﻘﻄﺔ x1 = 2،000و x2 = .7ﻋ�ى ﻣﺴﺘﻮى)x2- ، x1اﻧﻈﺮ اﻟﺸﻜﻞ .(٢٫٣ﻳﻌﻄﻲ
ارﺗﻔﺎع اﻟﺴﻄﺢ ﻓﻮق ﺗﻠﻚ اﻟﻨﻘﻄﺔ اﻟﻤﺘﻮﺳﻂ اﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﺰﻳﺎدة اﻟﺴﻌﺮ) ، E(yوﻫﺬا ﻗﻴﻤﺔ ﻣﻌﻘﻮﻟﺔ ﻟﻼﺳﺘﺨﺪام ﻓي
اﻟﺘﻨﺒﺆ ﺑﺎﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﺰﻳﺎدة اﻟﺴﻌﺮ ﻟﻌﻘﺎر ﺑﻤﺴﺎﺣﺔ ﺳﺎﺧﻨﺔ ﺗﺒﻠﻎ ٢،٠٠٠وﺣﺠﻢ ﻗﻄﻌﺔ اﻷرض ﻳﺒﻠﻎ .٠٫٧
ُﻳﻌ �ﺪ ﺳﻄﺢ اﻻﺳﺘﺠﺎﺑﺔ أﺳﻠﻮﺑﺎ ً ﻣﻼﺋﻤﺎ ً ﻟﺘﺼﻤﻴﻢ اﺳﺘﺠﺎﺑﺔ yواﻟﺘﻲ ﺗﻌﺘﻤﺪ ﻋ�ى ﻣﺘﻐﻴﺮات ﻣﺴﺘﻘﻠﺔ ﻛﻤﻴﺔ وﻫﻲ x1و x2.
ﻗﺪ ﻳﺘﻢ ﺗﻌﻴﻴﻦ اﻟﻤﻌﺎدﻟﺔ اﻟﺮﻳﺎﺿﻴﺔ اﻟﻤﻌﺎدﻟﺔ ﻟﺴﻄﺢ اﻻﺳﺘﺠﺎﺑﺔ اﻟﻤﻮﺿﺢ ﻓي اﻟﺸﻜﻞ ٢٫٣ﺑﻮاﺳﻄﺔ اﻟﻨﻤﻮذج اﻟﺤﺎﺳﻮﺑي.
E(y) = β0 + β1x1 + β2x2 + β3x1x2 + β4x2^2 + β5x1^2 (E(y) = β0 + β1x1 + β2x2 + β3x1x2 +
)β4x2^2 + β5x1^2
ﺣﻴﺚ أن ) E(yﻫﻮ اﻟﻤﺘﻮﺳﻂ ﻟﻨﺴﺒﺔ زﻳﺎدة اﻟﺴﻌﺮ ﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻘﻴﻢ x1و ، x2وβ5 ،. . .،β1 ، β0ﻫﻲ ﺛﻮاﺑﺖ )أو
ﺣﺎﺳﻤﺎ ﻷﻧﻪ إذا ُﻋﺮﻓﺖ
ً أوزان( ذات ﻗﻴﻢ ﻳﺘﻌﻴﻦ ﺗﻘﺪﻳﺮﻫﺎ ﻣﻦ ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﺔ .ﻳﺠﺐ ﻣﻼﺣﻈﺔ أن ﻧﻤﻮذج ) E(yﻳﻌﺘﺒﺮ
اﻟﺜﻮاﺑﺖ ، β5 ،. . .،β1 ، β0ﻓﺈن ﻗﻴﻢ x1و x2ﺗﺤﺪد ﺑﺎﻟﻀﺒﻂ ﻗﻴﻤﺔE(y).
ﻣﻦ ﺧﻼل اﺳﺘﺒﺪال ) E(yﺑـ β0 + β1x1 + β2x2 + β3x1x2 + β4x21 + β5x22ﻓي اﻟﻨﻤﻮذج اﻻﺣﺘﻤﺎﻟي ﻟـ ، yﻧﺤﺼﻞ
ﻋ�ى اﻟﻤﻌﺎدﻟﺔ اﻟﻜﺎﻣﻠﺔ ﻟـy:
اﻵن ﺳﻴﺤﺼﻞ ﻣﻘﻴﻢ اﻟﻌﻘﺎرات ﻋ�ى ﻋﻴﻨﺔ ﻣﻦ اﻟﺨﺼﺎﺋﺺ اﻟﺴﻜﻨﻴﺔ وﺳﺠﻞ ﻣﺴﺎﺣﺔ اﻟﻤﺮﺑﻌﺎت ،x1 ،وﻣﺴﺎﺣﺔ اﻟﻘﻄﻌﺔ،
،x2ﺑﺎﻹﺿﺎﻓﺔ إﻟى اﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﻠﺰﻳﺎدة ،y ،ﻓي اﻟﻘﻴﻤﺔ اﻟﻤﻘﺪرة )اﻧﻈﺮ اﻟﻘﺴﻢ .(٢٫٤ﻳﺘﻴﺢ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻟﻠﺒﻴﺎﻧﺎت
اﻟﻌﻴﻨﻴﺔ ﺗﻘﺪﻳﺮ ﻣﻌﻠﻤﺎت اﻟﻨﻤﻮذج وﻳﻤﻜ �ﻦ اﻟﻤﻘﻴﻢ ﻣﻦ اﻟﺘﻨﺒﺆ.
ﻟﺘﻮﻗﻊ اﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﻳﺔ ﻟﻠﺰﻳﺎدة yﻟﻌﻘﺎر ﻣﻌﻴﻦ ،ﺗﺘﺨﺬ ﻣﻌﺎدﻟﺔ اﻟﺘﻨﺒﺆ اﻟﺸﻜﻞ اﻟﺘﺎﻟي:
ﺣﻴﺚ ˆyﻫﻲ اﻟﻘﻴﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ ﻟـ ، yوˆβ5 ،... ،ˆβ1 ، ˆβ0ﻫﻲ ﺗﻘﺪﻳﺮات ﻟﻤﻌﻠﻤﺎت اﻟﻨﻤﻮذج.
ﻋﻤﻠ ًﻴﺎ ،ﺳﻴﻘﻮم اﻟﻤﻘﻴﻢ ﺑﺈﻧﺸﺎء ﻧﻤﻮذج ﺣﺘﻤﻲ ﻟـ ) E(yﻳﺄﺧﺬ ﻓي اﻻﻋﺘﺒﺎر اﻟﻤﺘﻐﻴﺮات اﻟﻜﻤﻴﺔ اﻷﺧﺮى ،ﺑﺎﻹﺿﺎﻓﺔ إﻟى
اﻟﻤﺘﻐﻴﺮات ﻏﻴﺮ اﻟﻜﻤﻴﺔ اﻟﻤﺴﺘﻘﻠﺔ ،ﻣﺜﻞ اﻟﻤﻮﻗﻊ وﻧﻮع اﻟﺒﻨﺎء .ﻓي اﻟﻔﺼﻮل اﻟﺘﺎﻟﻴﺔ ،ﻧﻮﺿﺢ ﻛﻴﻔﻴﺔ إﻧﺸﺎء ﻧﻤﻮذج ﻳﺮﺗﺒﻂ
اﻻﺳﺘﺠﺎﺑﺔ ﺑﻪ وﺑﺎﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﻜﻤﻴﺔ وﻏﻴﺮ اﻟﻜﻤﻴﺔ ،وﻧﺘﻨﺎول ﻛﻴﻔﻴﺔ ﻣﻼءﻣﺔ اﻟﻨﻤﻮذج ﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺒﻴﺎﻧﺎت
اﻟﻌﻴﻨﻴﺔ ﺑﺎﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار.
اﻟﻮﺻﻒ اﻟﺴﺎﺑﻖ ﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻣﺒﺴﻂ ﻟﻠﻐﺎﻳﺔ ،وﻟﻜﻨﻪ ﻳﻮﻓﺮ ﻧﻈﺮة ﻣﺒﺪﺋﻴﺔ ﻋ�ى اﻟﻤﻨﻬﺠﻴﺔ اﻟﺘﻲ ﺗﺸﻜﻞ ﻣﻮﺿﻮع ﻫﺬا
اﻟﻨﺺ .ﺑﺎﻹﺿﺎﻓﺔ إﻟى ﺗﻨﺒﺆ yﻟﻘﻴﻢ ﻣﺤﺪدة ﻣﻦ ،xk ،... ،x2 ، x1ﻳﻤﻜﻦ اﺳﺘﺨﺪام ﻧﻤﻮذج اﻻﻧﺤﺪار ﻟﺘﻘﺪﻳﺮ اﻟﻘﻴﻤﺔ
اﻟﻤﺘﻮﺳﻄﺔ ﻟـ yﻟﻘﻴﻢ ﻣﺤﺪدة ﻣﻦxk ،... ،x2 ، x1واﻹﺟﺎﺑﺔ ﻋ�ى أﺳﺌﻠﺔ أﺧﺮى ﺗﺘﻌﻠﻖ ﺑﺎﻟﻌﻼﻗﺔ ﺑﻴﻦ yوأﺣﺪ اﻟﻤﺘﻐﻴﺮات
اﻟﻤﺴﺘﻘﻠﺔ أو أ ﻛﺜﺮ .ﺗُﻮﺿﺢ اﻟﻘﻴﻢ اﻟﻌﻤﻠﻴﺔ ﻟﻬﺬه اﻻﺳﺘﻨﺘﺎﺟﺎت ﻣﻦ ﺧﻼل أﻣﺜﻠﺔ ﻓي اﻟﻔﺼﻮل اﻟﺘﺎﻟﻴﺔ.
.٤ﺣﺪد ﺗﻮزﻳﻊ اﻻﺣﺘﻤﺎل ﻟﻠﺨﻄﺄ اﻟﻌﺸﻮاﺋي وﻗﻢ ﺑﺘﻘﺪﻳﺮ أي ﻣﻌﻠﻤﺎت ﻏﻴﺮ ﻣﻌﺮوﻓﺔ ﻟﻬﺬا اﻟﺘﻮزﻳﻊ.
.٦ﻋﻨﺪﻣﺎ ﺗﻜﻮن راﺿ ًﻴﺎ ﻋﻦ ﻓﺎﺋﺪة اﻟﻨﻤﻮذج ،اﺳﺘﺨﺪﻣﻪ ﻟﻠﺘﻨﺒﺆ واﻟﺘﻘﺪﻳﺮ وﻣﺎ إﻟى ذﻟﻚ.
ﺗﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل ﻟﻠﺒﻴﺎﻧﺎت ﻫﻲ أداة إﺣﺼﺎﺋﻴﺔ ﻗﻮﻳﺔ ﺟﺪًا .ﻳﻮﻓﺮ ﻫﺬا اﻟﺘﺤﻠﻴﻞ ﺗﻘﻨﻴﺔ ﻟﺒﻨﺎء ﻣﺘﻨﺒﺊ إﺣﺼﺎﺋي ﻟﻺﺟﺎﺑﺔ وﻳﺘﻴﺢ
ﻟﻚ وﺿﻊ ﺣﺪود )ﺣﺪود ﻋﻠﻮﻳﺔ ﺗﻘﺮﻳﺒﻴﺔ( ﻋ�ى ﺧﻄﺄ اﻟﺘﻨﺒﺆ اﻟﺨﺎص ﺑﻚ .ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ،ﻓﻠﻨﻔﺘﺮض أﻧﻚ ﺗﺪﻳﺮ ﺷﺮﻛﺔ
إﻧﺸﺎءات وﺗﺮﻳﺪ اﻟﺘﻨﺒﺆ ﺑﺎﻟﺮﺑﺢ اﻟﻤﺘﻮﻗﻊ yﻟﻜﻞ وﻇﻴﻔﺔ إﻧﺸﺎﺋﻴﺔ ﻛﺪاﻟﺔ ﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ،... ،x2 ، x1
xk.إذا ﺗﻤﻜﻨﺖ ﻣﻦ اﻟﻌﺜﻮر ﻋ�ى اﻟﺘﺮﻛﻴﺒﺔ اﻟﻤﻨﺎﺳﺒﺔ ﻟﻠﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ وﻳﻤﻜﻨﻚ اﻓﺘﺮاض ﻣﻌﺎدﻟﺔ رﻳﺎﺿﻴﺔ ﻣﻌﻘﻮﻟﺔ
ﻟﻠﻌﻼﻗﺔ ﺑﻴﻦ yوﻫﺬه اﻟﻤﺘﻐﻴﺮات ،ﻓﻤﻦ اﻟﻤﻤﻜﻦ أن ﺗﺴﺘﻨﺘﺞ أي ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻳﺮﺗﺒﻂ ﺳﺒﺒ ًﻴﺎ ﺑﺎﻟﺮﺑﺢ ﻟﻜﻞ
وﻇﻴﻔﺔ ،وﻣﻦ ﺛﻢ اﻟﺴﻴﻄﺮة ﻋ�ى ﻫﺬه اﻟﻤﺘﻐﻴﺮات ﻟﺘﺤﻘﻴﻖ رﺑﺢ أﻋ�ى ﻟﻠﺸﺮﻛﺔ .ﺑﺎﻹﺿﺎﻓﺔ إﻟى ذﻟﻚ ،ﻳﻤﻜﻨﻚ اﺳﺘﺨﺪام
اﻟﺘﻮﻗﻌﺎت ﻓي اﻟﺘﺨﻄﻴﻂ اﻻﺳﺘﺮاﺗﻴﺠﻲ ﻟﻠﺸﺮﻛﺔ .وﺗﻮﺿﺢ اﻷﻣﺜﻠﺔ اﻟﺘﺎﻟﻴﺔ ﺑﻌﺾ اﻟﺘﻄﺒﻴﻘﺎت اﻟﻨﺎﺟﺤﺔ ﻟﺘﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل
ﻟﻠﻤﺸﺎﻛﻞ اﻟﺤﻘﻴﻘﻴﺔ.
اﻟﻤﺜﺎل ٢٫١اﻟﻌﻠﻮم )وﺗﺎرﻳﺦ ﻗﺼﻴﺮ ﻟﻠﺘﺤ �ﻮل( ﺧﻼل دراﺳﺘﻪ ﻟﻠﻮراﺛﺔ اﻟﻄﺒﻴﻌﻴﺔ ﻓي ﻋﺎم ،١٨٨٦ﺟﻤﻊ اﻟﻌﺎﻟﻢ ﻓﺮاﻧﺴﻴﺲ
ﻏﺎﻟﺘﻮن ﺑﻴﺎﻧﺎت ﻋﻦ أﻃﻮال اﻵﺑﺎء واﻷﻃﻔﺎل اﻟﻜﺒﺎر .ﻻﺣﻆ اﻻﺗﺠﺎه ﻟﺪى اﻵﺑﺎء اﻷﻃﻮل )أو اﻷﻗﺼﺮ( ﻹﻧﺠﺎب أﻃﻔﺎل أﻃﻮل
)أو أﻗﺼﺮ( ،وﻟﻜﻦ ﻟﻴﺴﻮا ﺑﻄﻮل )أو ﻗﺼﺮ( ﻣﺘﻮﺳﻂ آﺑﺎﺋﻬﻢ .وﺳﻤﺎ ﻏﺎﻟﺘﻮن ﻫﺬه اﻟﻈﺎﻫﺮة ﺑـ "ﻗﺎﻧﻮن اﻟﺘﺤ �ﻮل اﻟﺸﺎﻣﻞ"
ﻷن أﻃﻮال اﻷﻃﻔﺎل اﻟﻜﺒﺎر ﺗﻤﻴﻞ إﻟى "اﻟﺘﺤ �ﻮل" إﻟى اﻟﻤﺘﻮﺳﻂ ﻟﻠﺴﻜﺎن .وﻣﻊ ﻣﺴﺎﻋﺪة ﺻﺪﻳﻘﻪ وﺗﻠﻤﻴﺬه ﻛﺎرل ﺑﻴﺮﺳﻮن،
ﺻﻤﻢ ﻏﺎﻟﺘﻮن ﻃﻮل اﻷﺑﻨﺎء اﻟﺒﺎﻟﻐﻴﻦ ) (yﻛﺪاﻟﺔ ﻋ�ى ﻃﻮل اﻟﻮاﻟﺪﻳﻦ اﻷوﺳﻂ) ، (xوﺻﺎغ ﻣﺼﻄﻠﺢ "ﻧﻤﻮذج اﻟﺘﺤ �ﻮل".
اﻟﻤﺜﺎل ٢٫٢ﻋﻠﻢ اﻟﻨﻔﺲ "اﻟﻌﺎﻣﻠﻮن اﻟﻤﺘﻌﺪدون" ﻫﻢ اﻟﻌﺎﻣﻠﻮن اﻟﺬﻳﻦ ﻳﺤﻤﻠﻮن وﻇﻴﻔﺘﻴﻦ ﻓي ﻧﻔﺲ اﻟﻮﻗﺖ .ﻣﺎ ﻫﻲ
اﻟﻌﻮاﻣﻞ اﻟﺘﻲ ﺗﺆﺛﺮ ﻋ�ى اﺣﺘﻤﺎل أن ﻳﺼﺒﺢ اﻟﻌﺎﻣﻞ اﻟﻤﺘﻌﺪد ﻋﺪواﻧ ًﻴﺎ ﺗﺠﺎه ﻣﺸﺮﻓﻪ؟ ﻫﺬا ﻛﺎن ﺳﺆال اﻟﺒﺤﺚ اﻟﻤﻄﺮوح
ﻓي ﻣﺠﻠﺔ ﻋﻠﻢ اﻟﻨﻔﺲ اﻟﺘﻄﺒﻴﻘﻲ )ﻳﻮﻟﻴﻮ .(٢٠٠٥اﺳﺘﻨﺎدًا إﻟى اﻟﺒﻴﺎﻧﺎت اﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ ﻋﻴﻨﺔ ﻛﺒﻴﺮة ﻣﻦ اﻟﻌﺎﻣﻠﻴﻦ
اﻟﻤﺘﻌﺪدﻳﻦ ،ﻗﺎم اﻟﺒﺎﺣﺜﻮن ﺑﺘﻄﺒﻴﻖ ﻋﺪة ﻧﻤﺎذج اﻧﺤﺪار ﻣﺘﻌﺪد ﻟﺪرﺟﺔ اﻟﺘﻌﺮض ﻟﻠﻌﺪواﻧﻴﺔ ﻣﻦ اﻟﻤﺸﺮف (y).ﺗﻢ ﺗﺤﺪﻳﺪ
اﻟﻌﻮاﻣﻞ اﻟﻤﺘﻨﺒﺌﺔ اﻷﻛﺜﺮ أﻫﻤﻴﺔ ﻟـ yﻫﻲ اﻟﻌﻤﺮ واﻟﺠﻨﺲ وﻣﺴﺘﻮى اﻟﺜﻘﺔ ﺑﺎﻟﻨﻔﺲ وﺗﺎرﻳﺦ اﻟﻌﺪواﻧﻴﺔ وﻣﺴﺘﻮى ﺳﻮء
اﻟﻤﻌﺎﻣﻠﺔ ﻣﻦ اﻟﻤﺸﺮف وﺗﺼﻮر اﻟﻈﻠﻢ ﻓي إﺣﺪى اﻟﻮﻇﺎﺋﻒ.
اﻟﻤﺜﺎل ٢٫٣اﻟﺠﻐﺮاﻓﻴﺎ ﻫﻞ ﻳﻤﻜﻦ ﺗﻘﺪﻳﺮ ﻋﺪد ﺳﻜﺎن ﻣﻨﻄﻘﺔ ﺣﻀﺮﻳﺔ دون إﺟﺮاء ﺗﻌﺪاد؟ ﻓي Geographical Analysis
)ﻛﺎﻧﻮن اﻟﺜﺎ�ي /ﻳﻨﺎﻳﺮ ،(٢٠٠٧أﻇﻬﺮ أﺳﺎﺗﺬة اﻟﺠﻐﺮاﻓﻴﺎ ﻓي ﺟﺎﻣﻌﺔ وﻳﺴﻜﻮﻧﺴﻦ-ﻣﻴﻠﻮوﻛﻲ وﺟﺎﻣﻌﺔ وﻻﻳﺔ أوﻫﺎﻳﻮ
اﺳﺘﺨﺪام ﺧﺮاﺋﻂ اﻟﺼﻮر اﻟﻔﻀﺎﺋﻴﺔ ﻟﺘﻘﺪﻳﺮ اﻟﺴﻜﺎن اﻟﺤﻀﺮﻳﻴﻦ .ﺗﻢ ﺗﺠﺰﺋﺔ ﺟﺰء ﻣﻦ ﻛﻮﻟﻮﻣﺒﻮس ،أوﻫﺎﻳﻮ ،إﻟى n = 125
ﻣﺠﻤﻮﻋﺔ ﺑﻴﺎﻧﺎت ﺗﻌﺪادﻳﺔ وﺗﻢ اﻟﺤﺼﻮل ﻋ�ى ﺻﻮر اﻷﻗﻤﺎر اﻟﺼﻨﺎﻋﻴﺔ .ﺗﻢ اﺳﺘﺨﺪام اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ﻟﻨﻤﺬﺟﺔ
اﻟﻜﺜﺎﻓﺔ اﻟﺴﻜﺎﻧﻴﺔ ) (yﻛﺪاﻟﺔ ﻣﻦ ﻧﺴﺒﺔ اﻟﻤﻨﻄﻘﺔ ذات اﻷﺣﻴﺎء ذات اﻟﻜﺜﺎﻓﺔ اﻟﻤﻨﺨﻔﻀﺔ ) (x1وﻧﺴﺒﺔ اﻟﻤﻨﻄﻘﺔ ذات
اﻷﺣﻴﺎء ذات اﻟﻜﺜﺎﻓﺔ اﻟﻌﺎﻟﻴﺔ(x2).
اﻟﻤﺜﺎل ٢٫٤اﻟﻤﻮﺳﻴﻘﻰ ﻓي ﻣﻘﺎﻟﺔ ﻧُﺸﺮت ﻓي ﻣﺠﻠﺔ Chanceﺧﺮﻳﻒ ،٢٠٠٤ﻗﺪّم اﻟﺒﺮوﻓﻴﺴﻮر ﺟﺎن ﺑﻴﺮان ،أﺳﺘﺎذ
ً
دﻟﻴﻼ ﻛﻤ ًﻴﺎ ﻟﻮﺻﻒ ﺟﻮاﻧﺐ ﻣﻌﻴﻨﺔ ﻣﻦ اﻟﻤﻮﺳﻴﻘﻰ ﺑﺎﺳﺘﺨﺪام ﻧﻤﻮذج اﻻﻧﺤﺪار. اﻹﺣﺼﺎء ﻓي ﺟﺎﻣﻌﺔ ﻛﻮﻧﺴﺘﺎﻧﺰ ﻓي أﻟﻤﺎﻧﻴﺎ،
وﺟﺪ أن ﻣﺤﺘﻮى اﻟﻤﻌﻠﻮﻣﺎت yﻟﻠﺘﻜﻮﻳﻦ اﻟﻤﻮﺳﻴﻘﻲ )اﻟﺬي ُﻳﻄﻠﻖ ﻋﻠﻴﻪ اﻻﻧﺘﺮوﺑﻴﺎ ،و ُﻳﻘﺎس ﺑﻤﺪى ﺗﻜﺮار ﻧﻐﻤﺔ ﻣﻌﻴﻨﺔ(
اﻟﻤﻠﺤﻦ ، xوذﻟﻚ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﺘﻜﻮﻳﻨﺎت اﻟﻤﻮﺳﻴﻘﻴﺔ اﻟﺸﻬﻴﺮة اﻟﺘﻲ ﺗﺮاوﺣﺖ ﺑﻴﻦ اﻟﻘﺮن
ﻳﺮﺗﺒﻂ ﺑﺸﻜﻞ ﺧﻄﻲ ﺑﺴﻨﺔ ﻣﻴﻼد ُ
اﻟﺜﺎﻟﺚ ﻋﺸﺮ واﻟﻘﺮن اﻟﻌﺸﺮﻳﻦ.
اﻟﻤﺜﺎل ٢٫٥اﻟﻤﺤﺎﺳﺒﺔ
دراﺳﺔ ﻟﺼﻔﺎت اﻟﻤﺎﻛﻴﺎﻓﻴﻠﻴﺔ )ﻣﺜﻞ اﻟﺼﻔﺎت اﻟﺴﻠﺒﻴﺔ ﻣﺜﻞ اﻟﺘﻼﻋﺐ واﻟﺤﻴﻠﺔ واﻟﻐﺶ واﻟﺨﺪاع واﻟﺨﺒﺚ( ﻓي ﺣﺴﺎﺑﺎت
اﻟﺤﺴﺎﺑﺎت ﻧﺸﺮت ﻓي اﻟﺒﺤﺚ اﻟﺴﻠﻮﻛﻲ ﻓي اﻟﻤﺤﺎﺳﺒﺔ )ﻳﻨﺎﻳﺮ .(٢٠٠٨ﺗﻢ اﺳﺘﺨﺪام اﻻﻧﺤﺪار اﻟﻤﺘﻌﺪد ﻟﻨﻤﺬﺟﺔ درﺟﺔ
ﺗﺼﻨﻴﻒ اﻟﻤﺎﻛﻴﺎﻓﻴ�ي )" ( "Machﻟﻤﺤﺎﺳﺐ ﻛﺪاﻟﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﻌﻤﺮ واﻟﺠﻨﺲ واﻟﺘﻌﻠﻴﻢ واﻟﺪﺧﻞ .ﺗﻢ
اﻟﻌﺜﻮر ﻋ�ى أن اﻟﺪﺧﻞ ﻫﻮ اﻟﻮﺣﻴﺪ اﻟﺬي ﻳﺆﺛﺮ ﺑﺸﻜﻞ ﻛﺒﻴﺮ ﻋ�ى درﺟﺔ ﺗﺼﻨﻴﻒMach.
اﻟﻤﺜﺎل ٢٫٦اﻟﻬﻨﺪﺳﺔ ﺧﻼل ﻓﺘﺮات اﻟﻄﻠﺐ اﻟﻜﻬﺮﺑﺎﺋي اﻟﻌﺎﻟي ،وﺧﺼﻮﺻﺎ ً ﺧﻼل أﺷﻬﺮ اﻟﺼﻴﻒ اﻟﺤﺎرة ،ﻳﻤﻜﻦ أن ﻳﻨﺨﻔﺾ
إﻧﺘﺎﺟﻴﺔ ﻣﺤﺮك اﻟﻐﺎز اﻟﺘﻮرﺑﻴﻨﻲ ﺑﺸﻜﻞ ﻛﺒﻴﺮ .ﻳﻤﻜﻦ ﺗﻌﻮﻳﺾ ﻫﺬا اﻻﻧﺨﻔﺎض ﻓي اﻟﻘﺪرة ﺑﺘﺒﺮﻳﺪ اﻟﻬﻮاء اﻟﻮارد إﻟى اﻟﻤﺤﺮك
اﻟﺘﻮرﺑﻴﻨﻲ ﺑﻄﺮﻳﻘﺔ ﺗﺴﻤﻰ "اﻟﺮذاذ اﻟﻌﺎﻟي ﻟﻠﻬﻮاء اﻟﻮارد" .ﺗﻤﺖ دراﺳﺔ أداء ﻣﺤﺮك ﻏﺎزي ﻣﺤﺴﻦ ﺑﺎﻟﺮذاذ اﻟﻌﺎﻟي ﻟﻠﻬﻮاء
اﻟﻮارد ﻓي ﻣﺠﻠﺔ اﻟﻬﻨﺪﺳﺔ ﻟﻠﻤﺤﺮﻛﺎت اﻟﺘﻮرﺑﻴﻨﻴﺔ واﻟﻄﺎﻗﺔ )ﻳﻨﺎﻳﺮ .(٢٠٠٥وﻗﺪ ا ﻛﺘﺸﻒ أن إﺣﺪى اﻟﻤﺘﻐﻴﺮات اﻷﺳﺎﺳﻴﺔ
ﻟﻸداء وﻫﻲ ﻣﻌﺪل اﻟﺤﺮارة )ﻛﻴﻠﻮﺟﻮل ﻟﻜﻞ ﻛﻴﻠﻮ واط ﻓي اﻟﺴﺎﻋﺔ( ﺗﺮﺗﺒﻂ ﺑﺎﻟﻌﺪﻳﺪ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ،ﻣﺜﻞ
ﺳﺮﻋﺔ اﻟﺪورة )دورة ﻓي اﻟﺪﻗﻴﻘﺔ( ،ودرﺟﺔ ﺣﺮارة اﻟﻬﻮاء اﻟﻮارد )درﺟﺔ ﻣﺌﻮﻳﺔ( ،ودرﺟﺔ ﺣﺮارة اﻟﻌﺎدم )درﺟﺔ ﻣﺌﻮﻳﺔ(،
وﻧﺴﺒﺔ اﻟﻀﻐﻂ ﻟﻠﺪورة ،وﻣﻌﺪل ﺗﺪﻓﻖ اﻟﻬﻮاء اﻟﻮارد )ﻛﻴﻠﻮﺟﺮام ﻓي اﻟﺜﺎﻧﻴﺔ(.
ﻋﺎﻣﺎ ،ﻗﺒﻠﺖ اﻟﻤﺤﺎﻛﻢ دﻟﻴﻞ "ﻣﺘﻼزﻣﺔ اﻟﻤﺮأة اﻟﻤﻌﻨﻔﺔ" ﻛﺪﻓﺎع ﻓي ﺣﺎﻻت اﻟﻘﺘﻞ .ﻓي ﻣﻘﺎل ﻧُﺸﺮ
2.8اﻟﻘﺎﻧﻮن ﻷﻛﺜﺮ ﻣﻦ ً ٢٠
ﻓي ﻣﺠﻠﺔ ﻗﺎﻧﻮن وﺳﻴﺎﺳﺔ اﻟﺠﻨﺪر ﻓي ﺟﺎﻣﻌﺔ دوك )ﺻﻴﻒ ،(٢٠٠٣ﺗﻢ دراﺳﺔ ﺗﺄﺛﻴﺮ ﺷﻬﺎدة اﻟﺨﺒﻴﺮ ﻋ�ى ﻧﺘﻴﺠﺔ
ﻣﺤﺎﻛﻤﺎت اﻟﻘﺘﻞ اﻟﺘﻲ ﺗﺘﻀﻤﻦ ﻣﺘﻼزﻣﺔ اﻟﻤﺮأة اﻟﻤﻌﻨﻔﺔ .ﺑﺎﺳﺘﺨﺪام اﻟﺒﻴﺎﻧﺎت اﻟﻤﺠﻤﻌﺔ ﻋﻦ أﺻﻮات اﻟﻘﻀﺎة اﻟﻔﺮدﻳﺔ
ﻣﻦ اﻟﻤﺤﺎﻛﻤﺎت اﻟﺴﺎﺑﻘﺔ ،أﻓﺎد اﻟﻤﻘﺎل ﺑﺄن "ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﺷﻬﺎدة اﻟﺨﺒﻴﺮ ﻣﻮﺟﻮدة ،ﻓﺈن اﻟﻨﺴﺎء اﻟﻘﺎﺿﻴﺎت أ ﻛﺜﺮ ﻋﺮﺿﺔ
ﻟﺘﻐﻴﻴﺮ ﺣﻜﻢ اﻟﺒﺮاءة إﻟى اﻹداﻧﺔ ﺑﻌﺪ اﻟﺘﺪاول ﻣﻦ اﻟﺮﺟﺎل" .ﺗﻢ اﻟﺤﺼﻮل ﻋ�ى ﻫﺬه اﻟﻨﺘﻴﺠﺔ ﻣﻦ ﻧﻤﻮذج ﺗﺤ �ﻮل ﻣﺘﻌﺪد
ﻻﺣﺘﻤﺎﻟﻴﺔ ﺗﻐﻴﻴﺮ ﺣﻜﻢ اﻟﺒﺮاءة إﻟى اﻹداﻧﺔ ﺑﻌﺪ اﻟﺘﺪاول ،y ،ﻛﺪاﻟﺔ ﻟﻤﺘﻐﻴﺮي ﺟﻨﺲ اﻟﻘﺎﺿﻲ )ذﻛﺮ أو أﻧﺜﻰ( وﺷﻬﺎدة اﻟﺨﺒﻴﺮ
)ﻧﻌﻢ أو ﻻ(.
2.9اﻟﺘﻌﻠﻴﻢ ﺗﻢ ﺗﺤﻠﻴﻞ درﺟﺎت اﺧﺘﺒﺎر اﻟﻘﺒﻮل اﻟﻤﻮﺣﺪ ) (SATﻟـ ٣٬٤٩٢ﻃﺎﻟ ًﺒﺎ ﻓي اﻟﻤﺪارس اﻟﺜﺎﻧﻮﻳﺔ واﻟﺠﺎﻣﻌﺎت،
ﻣﺪرﺳﺎ ﺧﺼﻮﺻ ًﻴﺎ ﻓي ﻣﺤﺎوﻟﺔ ﻟﻠﺤﺼﻮل ﻋ�ى درﺟﺔ أﻋ�ى ،ﻓي ﻣﺠﻠﺔ ) Chanceﺷﺘﺎء .(٢٠٠١ﺗﻢ
ً ﺑﻌﻀﻬﻢ دﻓﻌﻮا
اﺳﺘﺨﺪام اﻟﺘﺤ �ﻮل اﻟﻤﺘﻌﺪد ﻟﺘﻘﺪﻳﺮ ﺗﺄﺛﻴﺮ اﻟﺘﺪرﻳﺐ ﻋ�ى درﺟﺔ اﻟﺮﻳﺎﺿﻴﺎت ﻓي اﺧﺘﺒﺎرy. ، SATوﺗﻢ ﺗﻀﻤﻴﻦ اﻟﻤﺘﻐﻴﺮات
اﻟﻤﺴﺘﻘﻠﺔ ﻓي اﻟﻨﻤﻮذج ،ﻋﻼﻣﺎت PSATوﻣﺎ إذا ﻛﺎن اﻟﻄﺎﻟﺐ ﻳﺘﻠﻘﻰ ﺗﺪرﻳ ًﺒﺎ ،ﻋﺮق اﻟﻄﺎﻟﺐ ،اﻟﻮﺿﻊ اﻻﻗﺘﺼﺎدي ،اﻟﻤﻌﺪل
اﻟﻌﺎم ﻓي اﻟﻤﺪرﺳﺔ اﻟﺜﺎﻧﻮﻳﺔ ،ﻋﺪد اﻟﺪورات اﻟﺮﻳﺎﺿﻴﺔ اﻟﺘﻲ ﺗﻢ اﺗﺨﺎذﻫﺎ ﻓي اﻟﻤﺪرﺳﺔ اﻟﺜﺎﻧﻮﻳﺔ ،واﻟﻤﻌﺪل اﻟﻌﺎم ﻟﺪورات
اﻟﺮﻳﺎﺿﻴﺎت.
2.10اﻟﺼﺤﺔ اﻟﻌﻘﻠﻴﺔ ﺗﻤﺖ دراﺳﺔ درﺟﺔ اﻟﺘﻜﻴﻒ ﻟﻌﻤﻼء ﻗﺴﻢ اﻟﺼﺤﺔ اﻟﻌﻘﻠﻴﺔ وﺧﺪﻣﺎت اﻹدﻣﺎن ﻓي ﻛﻮﻧﻴﺘﻴﻜﺖ ﻣﻊ
اﻟﻤﺠﺘﻤﻊ اﻟﻤﺤﻴﻂ ﺑﻬﻢ ﻓي ﻣﺠﻠﺔ اﻟﺼﺤﺔ اﻟﻌﻘﻠﻴﺔ اﻟﻤﺠﺘﻤﻌﻴﺔ )أﻏﺴﻄﺲ .(٢٠٠٠ﺗﻢ اﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻟﺘﺤ �ﻮل اﻟﻤﺘﻌﺪد
ﻟﻨﻤﺬﺟﺔ اﻟﻤﺘﻐﻴﺮ اﻟﻤﻌﺘﻤﺪ ،ﺗﻜﻴﻒ اﻟﻤﺠﺘﻤﻊ ) yاﻟﺬي ﻳﺘﻢ ﻗﻴﺎﺳﻪ ﻛﻤﻴﺔ ،ﺣﻴﺚ ﺗﺸﻴﺮ اﻟﻨﺘﺎﺋﺞ اﻟﻤﻨﺨﻔﻀﺔ إﻟى ﺗﻜﻴﻒ
أﻓﻀﻞ( .وﻗﺪ ﺗﻀﻤﻦ اﻟﻨﻤﻮذج ﻣﺠﻤﻮﻋﺔ ﻣﻦ ٢١ﻣﺘﻐﻴ ًﺮا ﻣﺴﺘﻘﻼ ً ﻣﺼﻨﻔﺔ ﻋ�ى اﻟﻨﺤﻮ اﻟﺘﺎﻟي :ﻣﺘﻐﻴﺮات ﺳﻜﺎﻧﻴﺔ )أرﺑﻌﺔ
ﻣﺘﻐﻴﺮات( وﺗﺸﺨﻴﺼﻴﺔ )ﺳﺒﻌﺔ ﻣﺘﻐﻴﺮات( وﻋﻼﺟﻴﺔ )أرﺑﻌﺔ ﻣﺘﻐﻴﺮات( وﻣﺠﺘﻤﻌﻴﺔ )ﺳﺘﺔ ﻣﺘﻐﻴﺮات(.
ﺣﺎﺳﻤﺎ
ً 2.4ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﻟﻼﻧﺤﺪار ُﻳﺬﻛﺮ ﻓي اﻟﺠﺰء ٢٫٢أن اﻟﺨﻄﻮة اﻷوﻟى ﻓي ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻫﻲ ﺗﻔﺘﺮض ﻧﻤﻮذ ً
ﺟﺎ
ﺟﺎ ﻟـ )، E(y
ﻟﻠﻤﺘﻐﻴﺮ اﻻﺳﺘﺠﺎﺑﺔ اﻟﻤﺘﻮﺳﻂ )) (E(yﻛﺪاﻟﺔ ﻟﻤﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ واﺣﺪ أو أ ﻛﺜﺮ .ﺑﻤﺠﺮد أن ﻳﺘﻢ ﺗﻔﺘﺮض ﻧﻤﻮذ ً
ﻓﺈن اﻟﺨﻄﻮة اﻟﺘﺎﻟﻴﺔ ﻫﻲ ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت اﻟﻌﻴﻨﻴﺔ اﻟﺘﻲ ﺳﺘﺴﺘﺨﺪم ﻟﺘﻘﺪﻳﺮ ﻣﻌﻠﻤﺎت اﻟﻨﻤﻮذج ﻏﻴﺮ اﻟﻤﻌﺮوﻓﺔ (β).
وﻳﻨﻄﻮي ذﻟﻚ ﻋ�ى ﺟﻤﻊ ﻣﻼﺣﻈﺎت ﻋ�ى ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﻴﺮ اﻻﺳﺘﺠﺎﺑﺔ yواﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ،xk ،... ،x2 ، x1ﻟﻜﻞ
وﺣﺪة ﺗﺠﺮﻳﺒﻴﺔ ﻓي اﻟﻌﻴﻨﺔ .وﺑﺎﻟﺘﺎﻟي ،ﻓﺈن اﻟﻌﻴﻨﺔ اﻟﺘﻲ ﺳﻴﺘﻢ ﺗﺤﻠﻴﻠﻬﺎ ﺑﻮاﺳﻄﺔ اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻳﺘﻀﻤﻦ ﻣﻼﺣﻈﺎت ﻋ�ى
ﻋﺪة ﻣﺘﻐﻴﺮاتxk) ،... ،x2 ،x1 ، (yوﻟﻴﺲ ﻣﺘﻐﻴﺮ واﺣﺪ.
اﻟﺒﻴﺎﻧﺎت اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓي اﻟﺘﺤﻠﻴﻞ اﻻﺣﺼﺎﺋي ﺑﺎﻻﻋﺘﻤﺎد ﻋ�ى اﻻﻧﺤﺪار ﻳﻤﻜﻦ أن ﺗﻜﻮن ﻣﻦ ﻧﻮﻋﻴﻦ :ﺑﻴﺎﻧﺎت ﻣﺮاﻗﺒﺔ أو
ﺗﺠﺮﻳﺒﻴﺔ .ﺑﻴﺎﻧﺎت اﻟﻤﺮاﻗﺒﺔ ﺗﺤﺼﻞ ﻋﻠﻴﻬﺎ إذا ﻟﻢ ﻳﺘﻢ ﻣﺤﺎوﻟﺔ اﻟﺘﺤﻜﻢ ﻓي ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ )اﻟﻤﺘﻐﻴﺮات
اﻟﺘﻨﺒﺆﻳﺔ( .ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ،إذا ﻛﻨﺖ ﺗﺮﻳﺪ ﻧﻤﺬﺟﺔ ﺗﻌﻮﻳﺾ اﻟﻤﺪﻳﺮ اﻟﺘﻨﻔﻴﺬي اﻟﺴﻨﻮي ، yﻳﻤﻜﻦ اﻟﺤﺼﻮل ﻋ�ى
اﻟﺒﻴﺎﻧﺎت ﻟﻠﺘﺤﻠﻴﻞ ﺑﺎﻻﻋﺘﻤﺎد ﻋ�ى اﻻﻧﺤﺪار ﺑﺘﺤﺪﻳﺪ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ n = 100ﻣﻦ اﻟﻤﺪﻳﺮﻳﻦ اﻟﺘﻨﻔﻴﺬﻳﻴﻦ وﺗﺴﺠﻴﻞ
ﻗﻴﻤﺔ yوﻗﻴﻢ ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﺘﻨﺒﺆﻳﺔ .ﻳﺘﻢ ﻋﺮض ﺑﻴﺎﻧﺎت أول ﺧﻤﺴﺔ ﻣﺪﻳﺮﻳﻦ ﺗﻨﻔﻴﺬﻳﻴﻦ ﻓي اﻟﻌﻴﻨﺔ ﻓي اﻟﺠﺪول
. [٢٫١ﻳﺠﺐ ﻣﻼﺣﻈﺔ أن ﻓي ﻫﺬا اﻟﻤﺜﺎل ،ﻟﻢ ﻳﺘﻢ ﺗﺤﺪﻳﺪ ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ،ﻣﺜﻞ اﻟﺨﺒﺮة واﻟﺘﻌﻠﻴﻢ اﻟﺠﺎﻣﻌﻲ
وﻋﺪد اﻟﻤﻮﻇﻔﻴﻦ اﻟﻤﺸﺮﻓﻴﻦ ﻋﻠﻴﻬﻢ ،وﻣﺎ إﻟى ذﻟﻚ ،ﻣﺴﺒ ًﻘﺎ ﻗﺒﻞ ﻣﺮاﻗﺒﺔ اﻟﺮاﺗﺐ y؛ وﺑﺎﻟﺘﺎﻟي ،ﻓﺈن ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﺔ ﻫﻲ
ﺑﻴﺎﻧﺎت ﻣﺮاﻗﺒﺔ].
ﺗﻌﺮﻳﻒ ٢٫٣إذا ﻛﺎﻧﺖ ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ) (x'sﻓي اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪاري ﻏﻴﺮ ُﻣﺤﻜَﻤﺔ( أي ﻟﻢ ﻳﺘﻢ ﺗﻌﻴﻴﻨﻬﺎ
ﻣﺴﺒ ًﻘﺎ ﻗﺒﻞ ﻣﺸﺎﻫﺪة ﻗﻴﻤﺔ ) yوﻟﻜﻨﻬﺎ ﺗُﻘﺎس ﺑﺪون أي أﺧﻄﺎء ،ﻓﺈن اﻟﺒﻴﺎﻧﺎت ﺗﻜﻮن ﻣﺮاﻗﺒﺔ.
ﻛﻢ ﻳﺠﺐ أن ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﻟﻤﺨﺘﺎرة ﻋﻨﺪ ﺗﻄﺒﻴﻖ اﻻﻧﺤﺪار ﻋ�ى اﻟﺒﻴﺎﻧﺎت اﻟﻤﻼﺣﻈﺔ؟ ﻓي اﻟﻘﺴﻢ ،١٫٨ﺗﻌﻠﻤﻨﺎ أﻧﻪ
ﻋﻨﺪ ﺗﻘﺪﻳﺮ ﻣﺘﻮﺳﻂ اﻟﺴﻜﺎن ،ﺳﻴﻌﺘﻤﺪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ nﻋ�ى ) (١اﻻﻧﺤﺮاف اﻟﻤﻌﻴﺎري ﻟﻠﺴﻜﺎن اﻟﻤﻘﺪر (٢) ،ﻣﺴﺘﻮى
اﻟﺜﻘﺔ ،و ) (٣اﻟﻨﺼﻒ اﻟﻌﺮض اﻟﻤﺮﻏﻮب ﻟﻔﺎﺻﻞ اﻟﺜﻘﺔ اﻟﻤﺴﺘﺨﺪم ﻟﺘﻘﺪﻳﺮ اﻟﻤﺘﻮﺳﻂ .ﻷن اﻻﻧﺤﺪار ﻳﺘﻀﻤﻦ ﺗﻘﺪﻳﺮ
اﻻﺳﺘﺠﺎﺑﺔ اﻟﻤﺘﻮﺳﻄﺔ ،E(y) ،ﺳﻴﻌﺘﻤﺪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻋ�ى ﻫﺬه اﻟﻌﻮاﻣﻞ اﻟﺜﻼﺛﺔ .وﻣﻊ ذﻟﻚ ،ﻓﺈن اﻟﻤﺸﻜﻠﺔ ﻟﻴﺴﺖ
ﺑﺴﻴﻄﺔ ﻛﻤﺎ ﻫﻮ اﻟﺤﺎل ﻓي اﻟﻘﺴﻢ ،١٫٨ﺣﻴﺚ ﻳﺘﻢ ﻧﻤﺬﺟﺔ ) E(yﻛﺪاﻟﺔ ﻋﻦ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ،وﻳﺠﺐ
ﺗﻘﺪﻳﺮ اﻟﻤﻌﻠﻤﺎت اﻹﺿﺎﻓﻴﺔ ﻓي اﻟﻨﻤﻮذج )أي اﻟﺒﻴﺘﺎ( .ﻓي اﻻﻧﺤﺪار ،ﻳﺠﺐ أن ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺎﻓ ًﻴﺎ ﺑﺤﻴﺚ ﻳﻜﻮن
ﺑﺈﻣﻜﺎن ﺗﻘﺪﻳﺮ واﺧﺘﺒﺎر β's.ﻫﺬا ﻟﻦ ﻳﺤﺪث إﻻ إذا ﻛﺎن nﻋ�ى اﻷﻗﻞ ﺑﺤﺠﻢ ﻋﺪد اﻟﻤﻌﻠﻤﺎت βاﻟﻤﺪرﺟﺔ ﻓي اﻟﻨﻤﻮذج ﻟـ
E(y).ﻟﻀﻤﺎن ﺣﺠﻢ ﻋﻴﻨﺔ ﻛﺎﻓي ،ﻓﺈن ﻗﺎﻋﺪة ﺟﻴﺪة ﻫﻲ ﺗﺤﺪﻳﺪ nﺑﺄﻛﺜﺮ ﻣﻦ أو ﻳﺴﺎوي ١٠ﻣﺮات ﻋﺪد ﻣﻌﺎﻣﻼت βﻓي
اﻟﻨﻤﻮذج.
ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ،ﻟﻨﻔﺘﺮض أن ﺷﺮﻛﺔ اﺳﺘﺸﺎرﻳﺔ ﺗﺮﻳﺪ اﺳﺘﺨﺪام اﻟﻨﻤﻮذج اﻟﺘﺎﻟي ﻟﻠﺘﻌﻮﻳﺾ اﻟﺴﻨﻮي ،y ،ﻟﺘﻨﻔﻴﺬي
ﺷﺮﻛﺔ:
اﻟﺒﻴﺎﻧﺎت اﻟﺜﺎﻧﻴﺔ ﻓي اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪاري ،ﻫﻲ اﻟﺒﻴﺎﻧﺎت اﻟﺘﺠﺮﻳﺒﻴﺔ اﻟﺘﻲ ﺗﻮﻟﺪ ﻋﻦ ﻃﺮﻳﻖ اﻟﺘﺠﺎرب اﻟﻤﺼﻤﻤﺔ ﺣﻴﺚ ﺗﺘﻢ
ﺗﺤﺪﻳﺪ ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻣﺴﺒﻘﺎ ً )أي ﻳﺘﻢ اﻟﺘﺤﻜﻢ ﺑﻬﺎ( ﻗﺒﻞ ﻣﺮاﻗﺒﺔ ﻗﻴﻤﺔ y.ﻋ�ى ﺳﺒﻴﻞ اﻟﻤﺜﺎل ،إذا ﻛﺎن
اﻟﻤﺸﺮف اﻹﻧﺘﺎﺟﻲ ﻳﺮﻏﺐ ﻓي دراﺳﺔ ﺗﺄﺛﻴﺮ ﻣﺘﻐﻴﺮﻳﻦ ﻣﺴﺘﻘﻠﻴﻦ ﻛﻤﻴﺔ ،ﻣﺜﻞ درﺟﺔ اﻟﺤﺮارة x1واﻟﻀﻐﻂ ، x2ﻋ�ى ﻧﻘﺎء
دﻓﻌﺎت ﻣﻦ اﻟﻤﻮاد اﻟﻜﻴﻤﻴﺎﺋﻴﺔ ،ﻓﻘﺪ ﻳﻘﺮر اﻟﻤﺸﺮف اﺳﺘﺨﺪام ﺛﻼث ﻗﻴﻢ ﻟﺪرﺟﺔ اﻟﺤﺮارة ) ١٥٠ ،١٢٥ ،١٠٠درﺟﺔ ﻣﺌﻮﻳﺔ(
وﺛﻼث ﻗﻴﻢ ﻟﻠﻀﻐﻂ ) ٧٠ ،٦٠ ،٥٠رﻃﻞ ﻟﻜﻞ ﺑﻮﺻﺔ ﻣﺮﺑﻌﺔ( ،وإﻧﺘﺎج وﻗﻴﺎس اﻟﺸﻮاﺋﺐ yﻓي دﻓﻌﺔ واﺣﺪة ﻣﻦ اﻟﻤﻮاد
اﻟﻜﻴﻤﻴﺎﺋﻴﺔ ﻟﻜﻞ ﻣﻦ اﻟـ ٩ = ٣ × ٣ﺗﺮﻛﻴﺒﺎت درﺟﺔ اﻟﺤﺮارة -اﻟﻀﻐﻂ )اﻧﻈﺮ ﺟﺪول .(٢٫٢ﻓي ﻫﺬه اﻟﺘﺠﺮﺑﺔ ،ﺗﺘﻢ ﻣﺮاﻗﺒﺔ
ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ ﺑﺸﻜﻞ ﻣﺘﺤﻜﻢ ﻓﻴﻪ ،ﻋ�ى ﻋﻜﺲ ﻃﺒﻴﻌﺔ اﻟﺒﻴﺎﻧﺎت اﻟﻤﺮاﻗﺒﺔ ﻓي ﻣﺜﺎل ﻣﺒﻴﻌﺎت اﻟﻌﻘﺎرات.
اﻟﺘﻌﺮﻳﻒ ٢٫٤إذا ﺗﻢ اﻟﺘﺤﻜﻢ ﻓي ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ( اﻟﻤﺘﻐﻴﺮات ) xﻓي اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪاري ﺑﺎﺳﺘﺨﺪام ﺗﺠﺮﺑﺔ
ﻣﺼﻤﻤﺔ( أي ﺗﻌﻴﻴﻦ اﻟﻘﻴﻢ ﻣﺴﺒ ًﻘﺎ ﻗﺒﻞ ﻣﺸﺎﻫﺪة ﻗﻴﻤﺔ ) ، yﻓﺈن اﻟﺒﻴﺎﻧﺎت ﺗﻜﻮن ﺗﺠﺮﻳﺒﻴﺔ.
ﻓي اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﺪراﺳﺎت ،ﻏﺎﻟ ًﺒﺎ ﻣﺎ ﻻ ﻳﻜﻮن ﻣﻦ اﻟﻤﻤﻜﻦ اﻟﺘﺤﻜﻢ ﻓي ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ) ، (xوﺑﺎﻟﺘﺎﻟي ﻓﺈن
ﻣﻌﻈﻢ اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﻳﺘﻢ ﺟﻤﻌﻬﺎ ﻟﺘﻄﺒﻴﻘﺎت اﻻﻧﺤﺪار ﻫﻲ ﺑﻴﺎﻧﺎت ﻣﺮاﻗﺒﺔ) .اﻓﺘﺮض اﻟﺘﺤﻠﻴﻞ اﻻﻧﺤﺪاري ﻓي اﻟﻤﺜﺎل .٢٫٢
ﻳﺘﻀﺢ ﺑﻮﺿﻮح أﻧﻪ ﻣﻦ اﻟﻤﺴﺘﺤﻴﻞ أو ﻏﻴﺮ اﻟﻌﻤ�ي اﻟﺘﺤﻜﻢ ﻓي ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ (.ﻟﺬﻟﻚ ،ﻗﺪ ﺗﺮﻏﺐ ﻓي ﻣﻌﺮﻓﺔ
ﺳﺒﺐ ﺗﻤﻴﻴﺰﻧﺎ ﺑﻴﻦ اﻟﻨﻮﻋﻴﻦ ﻣﻦ اﻟﺒﻴﺎﻧﺎت .ﺳﻨﺘﻌﻠﻢ )اﻟﻔﺼﻞ (٧أن اﻻﺳﺘﺪﻻﻻت اﻟﻤﺴﺘﻤﺪة ﻣﻦ دراﺳﺎت اﻻﻧﺤﺪار اﻟﺘﻲ
ﺗﻌﺘﻤﺪ ﻋ�ى اﻟﺒﻴﺎﻧﺎت اﻟﻤﺮاﻗﺒﺔ ﻟﺪﻳﻬﺎ اﻟﻤﺰﻳﺪ ﻣﻦ اﻟﻘﻴﻮد ﻣﻘﺎرﻧ ًﺔ ﺑﺘﻠﻚ اﻟﺘﻲ ﺗﻌﺘﻤﺪ ﻋ�ى اﻟﺒﻴﺎﻧﺎت اﻟﺘﺠﺮﻳﺒﻴﺔ .وﺑﺸﻜﻞ
ﺧﺎص ،ﺳﻨﺘﻌﻠﻢ أن إﻧﺸﺎء ﻋﻼﻗﺔ ﺳﺒﺒﻴﺔ ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮات ﻳﻜﻮن أﺻﻌﺐ ﺑﻜﺜﻴﺮ ﻓي اﻟﺒﻴﺎﻧﺎت اﻟﻤﺮاﻗﺒﺔ ﻣﻘﺎرﻧﺔ ﺑﺎﻟﺒﻴﺎﻧﺎت
اﻟﺘﺠﺮﻳﺒﻴﺔ.
ﻳﺴﺘﻨﺪ اﻟﻐﺎﻟﺒﻴﺔ اﻟﻌﻈﻤﻰ ﻣﻦ اﻷﻣﺜﻠﺔ واﻟﺘﻤﺎرﻳﻦ ﻓي اﻟﻔﺼﻮل ١٠-٣ﻋ�ى اﻟﺒﻴﺎﻧﺎت اﻟﻤﺸﺎﻫﺪوﻳﺔ .ﻓي اﻟﻔﺼﻮل ، ١٢-١١
ﻧﺼﻒ ﻓﻴﻬﺎ ﺗﺤﻠﻴﻼت اﻻﻧﺤﺪار اﺳﺘﻨﺎدًا إﻟى اﻟﺒﻴﺎﻧﺎت اﻟﻤﺠﻤﻌﺔ ﻣﻦ ﺗﺠﺮﺑﺔ ﻣﺼﻤﻤﺔ.
ﻣﻠﺨﺺ ﺳﺮﻳﻊ
اﻷﻓﻜﺎر اﻟﺮﺋﻴﺴﻴﺔ
ﺟﺎ رﻳﺎﺿ ًﻴﺎ ﻟﻠﺘﻨﺒﺆ ﺑﻤﺘﻐﻴﺮ yﻣﻦ ﻗﻴﻢ اﻟﻤﺘﻐﻴﺮات اﻷﺧﺮىxk ،. ..،x2 ، x1ﻣﺘﻐﻴﺮات
ﺗﺴﺘﺨﺪم ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻧﻤﻮذ ً
اﻻﻧﺤﺪار
.٢اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﻘﻠﺔ xk - ،. ..،x2 ،x1 ،اﻟﻤﺘﻐﻴﺮات اﻟﻤﺴﺘﺨﺪﻣﺔ ﻟﻠﺘﻨﺒﺆ ب yﻧﻤﻮذج اﺣﺘﻤﺎﻟي y = E (y) +
،εﺣﻴﺚ